肤色模型

摘要： 人脸识别技术的应用前景极其广泛,而进行人脸识别之前还有一道重要工序那就是人脸检测,人脸检测作为人脸识别技术的基础,同时也是其他智能应用重点研究的一个方向,具有十分深远的研究意义,本文主要对人脸检测技术几种方法中引申一个的重要特征来进行研究分析,即基于肤色的人脸检测技术:首先建立肤色模型,然后进行肤色分割、人脸区域筛选,最后确定人脸区域,并用MATLAB进行仿真,最终成功达到人脸检测的目的。

摘要： 本文针对YCrCb颜色空间下Cr分量的Otsu阈值分割的肤色提取算法易受到手部装饰物的干扰,严重影响手势分割效果,造成手指区域截断的问题,提出一种基于肤色模型的手势分割优化方法。通过基于Cr分量的Otsu阈值分割算法对手势进行初步分割,然后对区块式肤色检测进行肤色像素在区块内占比情况判定,进而推断手掌区域位置。同时利用面积比较法确定截断手指轮廓点集,在获得截断手指区域中心位置后,连接手掌区域轮廓最近点,最后连接截断区域和手掌区域并使用形态学操作达到对截断区域的填充的目的。实验数据表明,该方法对截断区域填充效果良好,对手掌区域判定的准确率为94%,对截断区域填充的成功率超过91%。

摘要： 本文介绍了当前人脸检测的现状,针对目前人脸检测准确率低、应用范围受限、易受其他因素影响等问题,提出了一种级联检测方法,即将人脸肤色特征和深度神经网络特征相结合,根据肤色特征对图像滤波,并利用肤色模型去除背景,然后用神经网络级联确定最终的分类器,最后再对去除了背景的图像进行人脸检测.实验证明,这种级联检测的方法能减少光线、表情、姿势等影响,减少误检,有效提高检测率,并可缩短检测时间.

摘要： 本文介绍了当前人脸检测的现状,针对目前人脸检测准确率低、应用范围受限、易受其他因素影响等问题,提出了一种级联检测方法,即将人脸肤色特征和深度神经网络特征相结合,根据肤色特征对图像滤波,并利用肤色模型去除背景,然后用神经网络级联确定最终的分类器,最后再对去除了背景的图像进行人脸检测。实验证明,这种级联检测的方法能减少光线、表情、姿势等影响,减少误检,有效提高检测率,并可缩短检测时间。

摘要： 基于运动信息与肤色特征相结合的手势分割是目前最主流的手势分割方法,该类方法易受光照变化、背景变化、运动轨迹重合等因素的影响,并且所采用的肤色模型对不同肤色的手势不具有适应性.针对以上问题,提出了一种先检测手势再自适应分割手势的方法.首先设计了一种基于空洞卷积的主干网络和一套Anchor方案将SSD(single shot multi-box detector)改进为手势检测模型,通过该模型初步分割出手势ROI(region of interest)以避免类肤色背景的影响.然后根据手势ROI建立YCrCb高斯肤色模型,以使肤色模型对不同的手势肤色具有很好的适应能力.实验结果表明,在多种复杂场景下,本文的手势分割算法能够避免类肤色背景的影响并且对不同肤色的手势都取得了非常好的分割效果.

摘要： 为了改进基于肤色模型的手势分割算法存在着大面积类肤色区域噪声较大、手上的装饰物会严重影响分割效果的问题,文中通过将帧间对比算法与基于肤色模型的手势分割相结合的方法消除大面积类肤色区域形成的大型白斑,同时通过用对比行与列的灰度变换次数最大参考量的大小关系判断手指朝向,进而使用形态学操作对手指装饰物形成的黑色区域进行填补.实验表明,该方法对类肤色噪声成功分割率在98％以上,对于手指部分存在遮挡的情况,针对各个手型2至手型5的各个方向,填补成功率均超过90％.

摘要： Viola-Jones算法能快速定位人脸,但该算法存在对有偏角的人脸出现漏检和对周围环境非人脸区域出现误检的情况.针对该问题,提出一种基于Viola-Jones的改进人脸定位算法.首先将图像中检测到的人脸像素区域排除,再对剩下未被检测出的区域转为YCrCr模式,设定阈值排除大部分环境中非肤色像素的干扰初步筛选出候选人脸区域,再利用形态学方法进一步排除身体其他部位肤色的干扰和环境中近似人脸像素的背景色干扰并对筛选出的区域进行左角度矫正调整和右角度矫正调整,重新检测,准确定位出人脸位置.通过在标准人脸检测库Faces、IMM和AFW上进行实验,结果表明,该算法能有效提高人脸定位的准确性,较原算法在Faces测试库中正确检测率提高5％,在AFW测试库中正确检测率提高9％.

摘要： 针对基于视觉的手势识别率不高,鲁棒性欠佳的问题,提出了一种基于YCbCr椭圆聚类肤色模型分割手势结合反向传播(BP)神经网络识别的手势识别方法.对采集到的图像序列利用离散余弦变换(DCT)去噪处理和边缘检测,根据人体肤色在YCbCr空间聚类紧凑的特性提取出手势的形状轮廓,将边缘检测与肤色模型分割结果相与得到分割出的手势,利用加速稳健特性(SURF)算法提取构建手势的特征向量,最后通过BP神经网络对手势图分类和识别.实验结果表明:针对复杂背景下的手势,该算法具有较强的鲁棒性,效率高,识别的准确率可达到96％.

摘要： 提出了一种基于椭圆肤色模型与可控风险敏感型Adaboost(CCS-Adaboost)算法的多视角人脸检测方法.在人脸检测的离线训练部分,该方法使用Haar-like特征和CCS-Adaboost算法训练样本.CCS-Adaboost在最小化分类错误率的同时能够最小化样本的误分类风险,从而它能够提高分类准确性.在实时检测部分,首先通过使用YCbCr颜色空间的椭圆模型快速检测出可能的人脸区域,然后通过基于CCS-Adaboost的多视角人脸检测器检测人脸.多视角人脸检测器中级联分类器的前四层构成姿态预估部分,如果样本未通过级联检测器的前四层,那么该样本被确定为一个非人脸样本.实验证明该检测器可以有效和准确地检测多视角人脸.

摘要： 手作为人体最灵活的部分,是人的行为分析的主要内容之一.手掌(包括手指)完成了大部分的手的动作,因此手掌的检测为人们进一步分析人的行为提供了一个很好的途径.在这篇文章中,首先引用交互相对熵对目标进行分割;接着运用肤色模型将手和脸从人体中分离;随后采用主成分分析方法将手掌分割出来;最后提出一种基于手的行为分析方法.实验结果表明,该方法是有效的.

摘要： 本文提出了一种肤色分割与统计特征分析结合的人脸检测方法。对现有的高斯肤色模型进行改进，采用以样本为单位的复合高斯模型进行肤色建模，使得肤色统计数据更趋于合理和精确。首先利用颜色姓习将彩色图像分割成皮肤区域和非皮肤区域，然后再利用基于边界的方法和基于区域的方法相结合的算法对肤色区域进行处理。实验结果表明，此方法计算最小，速度快，检测率较高。

摘要： 文章基于人脸肤色统计模型和模板匹配进行人脸检测和定位。对现有的高斯肤色模型进行改进，利用一种自适应阈值的肤色分割方法得到肤色区域，然后运用连通区域标记法得到候选人脸区域，最后使用人脸模板匹配的方法验证候选区域是否为人脸。实验结果表明该方法可以有效地检测出新闻图像中的人脸。

摘要： 肤色人脸检测在人脸检测与识别、手势识别、人机交互界面等领域中占有重要的地位。提出一种改进的肤色人脸检测算法,在YCbCr色彩空间建立肤色模型,使用一种光照补偿的方法消除光照引起的色彩偏差。实验证明该方法的有效性。

摘要： 提出了一种基于肤色和纹理特征模板相结合的人脸检测方法,该方法首先对彩色图像进行光照补偿,利用肤色模型提取人脸候选区域,然后用纹理特征模扳匹配的方法验证人脸候选区域,实验结果表明:该方法可以检测不同大小,不同旋转角度的人脸,达到较好的检测效果。

摘要： Adaboost人脸检测算法是该领域内最为成功的算法之一.本文分析验证了影响其速度的因素以及传统Canny检测预处理法对其速度提升方面的不足,提出了通过肤色空间模型对图片进行预处理以提升速度的方法,实验显示该方法在速度改善方面性能显著,同时对人脸检测识别率方面也有部分提高.

摘要： Adaboost人脸检测算法是该领域内最为成功的算法之一.本文分析验证了影响其速度的因素以及传统Canny检测预处理法对其速度提升方面的不足,提出了通过肤色空间模型对图片进行预处理以提升速度的方法,实验显示该方法在速度改善方面性能显著,同时对人脸检测识别率方面也有部分提高.

摘要： Adaboost人脸检测算法是该领域内最为成功的算法之一.本文分析验证了影响其速度的因素以及传统Canny检测预处理法对其速度提升方面的不足,提出了通过肤色空间模型对图片进行预处理以提升速度的方法,实验显示该方法在速度改善方面性能显著,同时对人脸检测识别率方面也有部分提高.

摘要： Adaboost人脸检测算法是该领域内最为成功的算法之一.本文分析验证了影响其速度的因素以及传统Canny检测预处理法对其速度提升方面的不足,提出了通过肤色空间模型对图片进行预处理以提升速度的方法,实验显示该方法在速度改善方面性能显著,同时对人脸检测识别率方面也有部分提高.

摘要： 本发明公开了一种基于HSI和Lab混合颜色模型的皮肤肤色评价方法。该方法主要包括：读入已经利用高清摄像仪器采集到的人体皮肤图像、对皮肤图像进行消噪等预处理、将皮肤图像的RGB(Red Green Blue)模型转换为HSI(Hue Saturation Intensity)颜色模型和Lab(Luminosity颜色通道a颜色通道b)颜色模型，计算皮肤肤色综合评价值，实现对皮肤肤色的客观定量评价。皮肤肤色的检测可以真实、客观的反映皮肤的状态和物理特性，可以实现对皮肤肤色的定量分析与评价，其综合评价结果与基于单一Lab颜色模型的皮肤肤色评价效果基本一致，实现了定量、快速、科学、便捷的评价方法，可用于对皮肤的肤色进行定量的分析和评价。

摘要： 本发明公开了一种基于肤色模型和统计特征的手势分割方法，包括以下步骤：(1)建立统计模型，将样本空间的样本图像从RGB颜色空间转换到HSV颜色空间和YCbCr，计算若干个通道的统计特征；(2)根据当前图像计算每个像素的平均值作为当前的背景模型，采用均值法区分当前帧每个像素为前景或背景；(3)获取当前图像的前景像素在通道中的色调值K(x,i,j)，与对应通道中的统计特征比较判断为皮肤像素或非皮肤像素。该手势分割方法首先通过计算量简单、时间复杂度低的背景差分算法缩小手势区域，然后对剩下的感兴趣区域利用统计特征在HSV和YCbCr混合空间进行手势肤色分割，计算量少，分割精确。

摘要： 本发明涉及一种基于肤色模型的皮肤识别方法，步骤如下：1）对图像进行人脸识别，获取人脸区域；2）对步骤1）获取的人脸区域进行均值计算，获取平均肤色；3）根据步骤2）获取的平均肤色计算当前图像的肤色概率映射表；4）根据步骤3）获取的肤色概率映射表对当前图像进行肤色识别，并获得当前图像的肤色概率的结果图。本发明通过使用人脸检测后的肤色均值来构建肤色模型，能够适应各种条件下拍照的图片，应用范围实现更广的覆盖。并且本发明所述的方法不需要进行训练数据的积累，极易进行实施；不需要与庞大的训练数据进行比对，运行效率提高。通过肤色模型进行识别，识别准确率高，克服在过亮或过暗的情况下，皮肤识别不准确的不足。

摘要： 一种自学习的基于肤色模型的手部跟踪装置及方法，该装置包括：预处理单元，用于从本帧图像中提取手部候选区域，以及通过形态学检测，从手部候选区域获取初始手部区域h

摘要： 本发明是一种基于高斯肤色模型和特征分析的人脸检测与跟踪方法，步骤如下：首先，对大量人脸图像数据进行统计，在YCbCr色彩空间中建立高斯肤色模型；然后，将视频图像序列由RGB空间转换至YCbCr空间，利用高斯模型计算出肤色似然图，选取自适应阈值进行肤色分割，在此基础上利用人脸几何特征和结构特征实现人脸精确检测；最后，采用改进CAMShift算法进行人脸跟踪，实现视频中的人脸快速检测。本发明的人脸检测与跟踪方法在识别精度、跟踪速度和鲁棒性上具有明显的优势，并且能够有效地解决视频中人脸姿态变化，距离变化以及背景存在类肤色干扰等复杂条件下的人脸跟踪问题。

摘要： 本发明公开了一种基于肤色模型和统计特征的手势分割技术，其特征在于，包括以下步骤：(1)建立统计模型，将样本空间的样本图像从RGB颜色空间转换到HSV颜色空间和YCbCr，计算若干个通道的统计特征；(2)根据当前图像计算每个像素的平均值作为当前的背景模型，采用均值法区分当前帧每个像素为前景或背景；(3)获取当前图像的前景像素在通道中的色调值K(x,i,j)，与对应通道中的统计特征比较判断为皮肤像素或非皮肤像素。该手势分割技术首先通过计算量简单、时间复杂度低的背景差分算法缩小手势区域，然后对剩下的感兴趣区域利用统计特征在HSV和YCbCr混合空间进行手势肤色分割，计算量少，分割精确。

摘要： 本发明公开一种基于肤色模型的人脸检测的方法，包括以下步骤：1)选用YCbCr颜色空间；2)采用芬兰奥卢大学基于物理的人脸图像数据库；3)对数据库进行统计分析，利用多项式曲线拟合建立的肤色模型；4)通过肤色模型直接将一幅彩色图像转换为二值图像；5)通过形态滤波消除二值图像中的误差；该基于肤色模型的人脸检测的方法能够准确、快速完成皮肤检测。

摘要： 本发明提出一种基于加速度补偿和肤色模型的手势检测方法，包括以下步骤：S1图像预处理，对摄像头捕获的手势图像进行预处理；S2加速度及角度计算，计算图像中像素点的加速度及角度变化；S3光照平衡，使用直方图均衡化对光照变化进行补偿；S4手势检测，使用肤色模型对人手部分图像进行检测；S5图像过滤，过滤非手势部分，提取出手势图像。本发明方案采用加速度传感器采集加速度数据和计算倾斜角进行消除头部抖动或移动对人手坐标提取的干扰，采用线性方程对肤色模型进行拟合，利用肤色分割实现手势检测，减少了由于身体抖动带来的干扰，提升了手势检测的准确性。

摘要： 一种自学习的基于肤色模型的手部跟踪装置及方法，该装置包括：预处理单元，用于从本帧图像中提取手部候选区域，以及通过形态学检测，从手部候选区域获取初始手部区域h

摘要： 本发明涉及一种基于肤色模型的皮肤识别方法，步骤如下：1）对图像进行人脸识别，获取人脸区域；2）对步骤1）获取的人脸区域进行均值计算，获取平均肤色；3）根据步骤2）获取的平均肤色计算当前图像的肤色概率映射表；4）根据步骤3）获取的肤色概率映射表对当前图像进行肤色识别，并获得当前图像的肤色概率的结果图。本发明通过使用人脸检测后的肤色均值来构建肤色模型，能够适应各种条件下拍照的图片，应用范围实现更广的覆盖。并且本发明所述的方法不需要进行训练数据的积累，极易进行实施；不需要与庞大的训练数据进行比对，运行效率提高。通过肤色模型进行识别，识别准确率高，克服在过亮或过暗的情况下，皮肤识别不准确的不足。